Der smarte Weg zur optimalen Mediabudget-Verteilung

Die zentralen Fragestellungen der Marketing-Strategie

Jede Marketing-Strategie muss drei grundsätzliche Fragen beantworten können:

1. Wie ist die Performance meiner Marketing-Kanäle? Es werden objektive, vergleichbare Kennzahlen über alle Kanäle hinweg benötigt.
2. Wie kann ich meine Ressourcen optimal auf die Kanäle verteilen? Wie und wann wird der höchste Return on Investment erzielt? Welche Kanäle sind unterfinanziert, welche überfinanziert?
3. Wie kann ich kurzfristige Effekte meiner Kampagnen messen? Wie werden reine Kampagneneffekt von saisonalen Schwankungen und anderen externen Faktoren isoliert?

Unserer Meinung nach kann nur eine Kombination aus Multi-Touch Attribution Modeling (MTA), Marketing Mix Modeling (MMM) und Kampagnen-Effizienz-Messung auf Basis von solidem Data Management als Fundament eine Antwort liefern. Die Integration einer solchen Lösung ermöglicht es, alle drei Fragen fundiert zu beantworten und das kontinuierlich, nicht nur als einmalige Analyse.

Data-Driven Multi-Touch Attribution: Alle Touchpoints zählen

Klassische Single-Touch-Attribution-Modelle wie Last-Click oder First-Click sind häufig zu simpel, um die Komplexität ganzer Customer Journeys und die Interaktion zwischen unterschiedlichen Kanälen abzubilden. Deshalb führen sie häufig zu Fehlentscheidungen, indem einzelne Touchpoints über- oder unterbewertet werden.

Unser Ansatz: Markov-Ketten-Attribution

Wir setzen auf datengetriebene Multi-Touch-Attribution mit Markov-Ketten. Diese Methode berechnet den tatsächlichen Beitrag jedes Touchpoints mathematisch präzise und objektiv. Das bedeutet konkret:

Berücksichtigung aller Customer Journeys: Unser Ansatz bezieht alle Customer Journeys in die Analyse ein. Sowohl Journeys, die erfolgreich auf eine Conversion enden, als auch diejenigen, die es nicht tun. Dadurch wird ein vollständiges Bild der Kundeninteraktionen erfasst und alle Potenziale werden ausgeschöpft.

Präzise und objektive Performance-Messung: Machine Learning ermittelt automatisch die optimale Gewichtung der einzelnen Touchpoints. Es gibt keine regelbasierten Annahmen, die bestimmte Kanäle bevorzugen oder benachteiligen würden. Die Bewertung ist datengetrieben statt auf Bauchgefühl basierend.

Detaillierte Einblicke in die Kanal-Interaktion: Es wird ein Verständnis erzeugt, wie sich Kanäle gegenseitig beeinflussen und welche Kombinationen besonders gut funktionieren.

Performance-Messung in der Praxis

Das MTA-Modell hilft dabei, die Performance aller Kanäle zu jedem Zeitpunkt zu bewerten. Dabei kann es neben Conversions auch auf andere KPIs, wie z.B. Revenue, angewendet werden und ermöglicht schnelle Reaktionen auf Performance-Änderungen.

Auf einen Blick ist sichtbar: Wie entwickelt sich meine Kanäle? Welcher Kanal gewinnt an Bedeutung, welcher verliert? Und das Beste: Das Modell ist leicht verständlich, transparent du nachvollziehbar.

Marketing Mix Modeling: Den Sweet Spot finden

Multi-Touch-Attribution zeigt auf, welche Kanäle performen. Marketing Mix Modeling geht einen Schritt weiter: Es findet den optimalen Punkt, an dem jeder investierte Euro der Marketingausgaben den größten Umsatz liefert.

Was MMM berücksichtigt

Ein Marketing Mix Model nutzt statistische Regressionsmodelle und berücksichtigt externe Einflussfaktoren wie bspw. Ad Spends, Ad-Impressions und analysiert zusätzlich Saisonalitäten, Wettbewerb- und Wettereinflüsse.

Diese ganzheitliche Sicht ermöglicht eine präzise Modellierung der Einflussfaktoren auf Conversions und Revenue und ermöglicht es so den Return-on-Investement zu optimieren.

Der Output: Ein Marketing-Fahrplan

Basierend auf der MMM-Analyse kann das Gesamtbudget optimal verteilt und einen konkreten Marketing-Fahrplan erstellt werden. Dabei kann das mit Hilfe der Analyse nicht nur ermittelt werden, wie viel investiert werden muss, sondern auch:

• Auf welchen Kanälen?
• Für welche Kampagnen?
• Zu welchem Zeitpunkt?

Die Kraft der Kombination: MTA trifft MMM

Während an vielen Stellen entweder MTA oder MMM als Lösung vorschlagen, setzen wir auf das Zusammenspiel beider Methoden. Warum? Weil sie sich perfekt ergänzen und gegenseitig ihre Schwächen ausgleichen.

Ein Multi-Touch-Attributions-Modell nutzt Daten aus den Tracking Tools und verteilt die relevanten Größen wie Conversions und Revenue auf die Kanäle bzw. Kampagnen. Das MMM wiederrum nutzt weitere relevante Datenquellen und modelliert die erwartete Performance der Kanäle unter Berücksichtigung externer Faktoren. So wird das volle Potenzial aus der Gesamtheit der verfügbaren Daten ausgeschöpft.

Die Kombination beider Ansätze ermöglicht:

• Analyse der Channel-Effizienz – welcher Kanal liefert den besten ROI?
• Was-Wäre-Wenn-Analysen – Simulation verschiedener Budget-Szenarien
• Identifikation von Kannibalisierungs-Effekten – wo konkurrieren Kanäle um dieselben Kunden?
• Vorschlag zum optimalen Marketing-Budget-Einsatz – datenbasierte Empfehlungen zur Verteilung des verfügbaren Budgets

Die direkten Effekte der Maßnahmen aus den MMM-Analysen können wiederum vom MTA gemessen werden. Unser Konzept beschreibt also einen geschlossenen Kreislauf der kontinuierlichen Optimierung.

MTA vs. MMM: Komplementäre Stärken

MTA ist DSGVO-relevant wegen User-Tracking, liefert aber granulare Insights für die taktische Performance-Messung. MMM funktioniert auch ohne Cookies oder Tracking (sofern Daten aus anderen Quellen wie Ad-Plattformen verfügbar sind) und eignet sich für strategische, langfristige Entscheidungen.

Die Modellierung beim MMM ist aufwendiger und basiert auf historischen Daten, während MTA kurzfristige Ergebnisse liefert. Nur beide Ansätze in Kombination liefern das vollständige Bild für Performance-Messung und strategische Planung.

Kampagnen-Effizienz: Effekte ohne A/B-Test sichtbar machen

Eine weitere wiederkehrende Herausforderung: Wie messe ich den reinen Effekt einer Marketing-Kampagne, wenn sich dieser mit Saisonalitäten, Feiertagen oder anderen externen Faktoren überlagert?

Das Problem mit A/B-Tests

Um den isolierten Kampagnen-Effekt zu messen, müsste klassischerweise ein A/B-Test durchgeführt werden. Doch nicht immer sind A/B-Tests möglich oder sinnvoll oder die Definition von Kontrollgruppen ist nicht sauber möglich. Mögliche Probleme sind z.B.:

• Feature-Rollouts sind regional begrenzt
• Zeitlich abgegrenzte Kampagnen liefern keine statistische Signifikanz
• Die Nutzung einer Kontrollgruppe bedeutet Umsatzverluste

Unsere Lösung: Causal Impact Analysis

Unsere mit viel Erfahrung selbstentwickelten Machine-Learning-basierten Methoden machen wir Kampagneneffekte sofort sichtbar.

So funktioniert’s:

1. Lernphase vor der Kampagne
   • Ein ML-Modell lernt aus externen Einflussfaktoren
   • Faktoren sind z.B. Saisonalitäten, Branchentrends, Feiertage und externe Einflussgrößen
2. Prognose erstellen
   • Das Modell prognostiziert, wie sich die Ziel-KPI ohne Intervention entwickelt hätte
3. Effekt isolieren
   • Vergleich: Tatsächlicher Wert vs. Prognose
   • Differenz = isolierter Kampagneneffekt

Diese Methode wird auch als Causal Impact Analysis oder Synthetic Control bezeichnet.

Vorteile:

• Ideal für Szenarien ohne saubere Testbedingungen
• Keine Kontrollgruppe nötig, deshalb kein Verlust durch Nicht-Ausspielen
• Feature-Rollouts und regional/zeitlich abgegrenzte Kampagnen messbar
• Ergebnisse sofort und ohne zeitintensive Analyse ablesbar

Limitation: Benötigt stabile historische Daten für die Lernphase (mindestens 3-6 Monate).

Effizient. Transparent. Flexibel.

Dieses dreisäulige Prinzip, bietet fünf entscheidende Vorteile.

1. Keine Black Box

Viele Attributions-Lösungen sind Black Boxes. Der Anwender versteht nicht, wie Ergebnisse zustande kommen. Ein bekanntes Beispiel: MTAs großer Tracking-Systeme bewerten von ihnen verwaltete Channels systematisch über. Dies bleibt unbemerkt, weil die zugrunde liegenden Annahmen intransparent bleiben.

Unser Ansatz: Alle Berechnungen sind nachvollziehbar. Wir legen offen, welche Modelle wir einsetzen, welche Annahmen getroffen werden und warum. In Schulungen und Workshops erklären wir die Methodik und klären alle aufkommenden Rückfragen. Das schafft Vertrauen und ermöglicht fundierte Entscheidungen.

2. Keine überflüssigen Features

Viele Lösungen sind überladen mit Funktionen, die gerade zum Einstieg in das Thema nicht genutzt werden. Das macht die Software komplex, teuer und schwer verständlich.

Unser Ansatz: Wir konzentrieren uns auf die relevanten Features je nach Entwicklungsstand des Business und der Fach-Experten. Keine überladene Software mit hunderten Funktionen, sondern fokussierte Lösungen, die konkrete Fragen beantworten.

3. Angepasste und erweiterbare Module

Bei vielen Tools müssen die gesamte Dateninfrastruktur und die Analyseprozesse umgestellt werden, damit Ergebnisse sichtbar werden.

Unser Ansatz: Unsere Lösungen integrieren sich in bestehenden Systeme und nutzen vorhandene Data Warehouses, Analytics-Plattformen, CRM und BI-Tools. Es wird nicht die gesamte Daten- und Analyse-Infrastruktur umgestellt, sondern die Lösung passt sich individuell den Bedürfnissen, Kenntnisständen und verwendeten Tools der Anwender an. Modularer Aufbau bedeutet bspw, es wird mit MTA begonnen und sobald Vertrauen in das System besteht, wird MMM ergänzt. Flexible Erweiterungen sind jederzeit möglich, wenn sich Geschäftsanforderungen weiterentwickeln.

4. Hosting intern möglich

Datenschutz, Compliance und der Schutz sensibler Geschäftsdaten werden immer wichtiger.

Unser Ansatz: Sie können die Lösung intern hosten und behalten die vollständige Kontrolle über Ihre Daten. Keine Abhängigkeit von externen Servern, keine Sorge um Datenweitergabe, keine versteckten Datennutzungen. Ihre Datenhoheit bleibt gewahrt.

5. Support & Schulungen

Ein häufiges Problem bei externen Lösungen: Das interne Team versteht die Modelle nicht und wird abhängig vom Anbieter. Jede Anpassung kostet, jede Analyse muss extern beauftragt werden. Das ist nicht nachhaltig.

Unser Ansatz: Wir verstehen uns als Partner, der Ihr Team befähigt, nicht als Dienstleister, der Sie in Abhängigkeit hält. Natürlich stehen wir jederzeit für Detailfragen zur Verfügung, aber unser stetes Ziel ist, dass Ihre Teams die Modelle selbstständig verstehen, Annahmen hinterfragen und die Ergebnisse eigenständig für fundierte Entscheidungen nutzen können. Dabei stehen Ihre spezifischen Business-Anforderungen im Mittelpunkt und Sie erhalten maßgeschneiderte Lösungen, statt Standard-Implementierungen.

Wann ist der richtige Zeitpunkt für Attribution Modeling?

Attribution Modeling ist kein Allheilmittel und nicht für jedes Unternehmen zum jetzigen Zeitpunkt die richtige Lösung. Bevor Sie investieren, sollten Sie ehrlich diese Fragen beantworten:

Organisatorische Reife:

• Haben Sie die Flexibilität, Budgets zwischen Kanälen tatsächlich umzuschichten?
• Sind Marketing, Finance und Sales bereit, datenbasierte Empfehlungen in die Planung einzubeziehen?
• Gibt es Entscheidungsträger, die Mut zu Veränderungen haben?

Datengrundlage:

• Haben Sie eine historisch robuste Datengrundlage (idealerweise wöchentlich oder täglich)?
• Sind die Daten sauber und konsistent?
• Haben Sie Zugriff auf Marketing-Spends, externe Faktoren und relevante KPIs?

Interne Kapazitäten:

• Gibt es einen Data Owner, der Datenqualität und Zugriff sicherstellt?
• Haben Sie Analytics-Expertise mit genug Know-how, um Modelle zu verstehen und externe Partner zu challengen?

Falls Sie diese Fragen noch nicht eindeutig mit „Ja“ beantworten können, begleiten wir Sie gerne auf dem Weg dorthin – mit kleineren Projekten, Workshops und schrittweiser Implementierung. MMM ist iterativ, mit vielen Feedback-Schleifen. Es ist wichtig, die langfristige Roadmap zu klären, bevor Sie in ein vollautomatisiertes System investieren.

Wir kombinieren die Geschwindigkeit und Expertise einer Agentur mit dem Anspruch, Ihr Team zu befähigen und interne Kompetenzen aufzubauen. Sie behalten die Kontrolle über Ihre Daten, verstehen die Ergebnisse und können eigenständig Optimierungen vornehmen.

Das Resultat: Höhere Kosteneffizienz, verbesserte Performance Ihrer Marketingkampagnen und fundierte Entscheidungen zur optimalen Mediabudget-Verteilung.

👉🏻 Interessiert an einem unverbindlichen Gespräch? Lassen Sie uns gemeinsam evaluieren, wie Attribution Modeling Ihre Marketing-Strategie auf das nächste Level heben kann.